Abstract:
Los robots móviles poseen la capacidad de desplazarse dentro de un entorno por medio de sistemas de locomoción, con ayuda de sensores que estiman su localización o posición durante su navegación. En el presente trabajo se realiza el estudio y la implementación de algoritmos para estimar la localización de una plataforma móvil. Una forma común de estimar la localización en plataformas móviles es mediante la odometría, la cual presenta un aumento de incertidumbre a medida que avanza la trayectoria de la plataforma móvil. Para contrarrestar el error de localización se utilizan filtros probabilísticos los cuales son manejados en SLAM y en la navegación.
En SLAM encontramos que la mayoría de sus métodos tiene como base sus tres principales paradigmas, los cuales estudiaremos desde el punto de localización de modo que, tener los filtros probabilísticos (Filtro de Kalman Extendido y Filtro de partículas) y una técnica basada en optimización gráfica (Graph SLAM). El Filtro de Kalman Extendido (EKF) es usado en sistemas no lineales, mediante la aplicación de matrices jacobianas y teorema de Taylor, su fundamento matemático se basa en la curva gaussiana. El filtro de partículas es la creación de partículas por todo el entorno o área de trabajo predeterminado, mientras mayor sea el número de partículas creadas la exactitud de la estimación de localización mejorará; finalmente la técnica de optimización gráfica es una técnica off line la cual recopila la información entregada por la odometría cada cierta distancia y de dicha base de datos procede a evaluar los nodos hasta que convergen. Para complementar el presente trabajo, se cuenta con un planificador de ruta A*, el cual genera una secuencia de puntos cartesianos dentro de un entorno predeterminado, donde la plataforma móvil tiene la capacidad de llegar al punto deseado del mismo.
